CC BY
26
рассмотрена как важный показатель их профессиональной пригодности при расчете УГИ.
Для построения технологии определения структуры и содержания УГИ к познавательной деятельности было принято решение использовать аппарат искусственных нейронных сетей (ИНС), который хорошо зарекомендовал себя в задачах распознавания образов, которой, по сути, и является задача определения УГИ.
В качестве примера для проверки возможности использования этого аппарата нами была предпринята попытка моделирования теста Л.А. Йовайши по выявлению склонностей к различным сферам деятельности [2, 3]. В результате проведенного исследования было установлено, что: 1) с помощью аппарата ИНС удается получить адекватные модели систем психологического тестирования; 2) в отличие от существующих систем тестирования, имеющих жесткую внутреннюю структуру связей, их модель на основе ИНС позволяет:
- установить структуру связей в сети и силу влияния входных параметров на результат тестирования;
- модифицировать структуру за счет введения новых заданий;
- дообучать модель на основе вновь поступивших данных, таким образом адаптируя ее к имеющейся аудитории.
На основе проведенных экспериментальных исследований, а также обнаруженных свойств аппарата ИНС, была предложена технология определения УГИ.
В общих чертах она включает в себя следующие этапы:
1) Построение первичной модели профессиональных качеств индивида на основе аппарата искусственных нейронных сетей и какой-либо известной системы психологического тестирования. После реализации первого этапа мы имеем ядро модели, не адаптированное к заданной ПО. Для определения УГИ к познавательной деятельности ядро должно быть дополнено
возможностью оценки некоторых других качеств индивида.
2) Коррекция первичной модели за счет введения дополнительных заданий и модификации структуры ИНС. После реализации второго этапа мы имеем психологическую модель профессиональных качеств индивида на основе аппарата искусственных нейронных сетей. Эту модель можно использовать для определения уровня готовности индивида к познавательной деятельности в определенной сфере на том основании, что, во-первых, она включает в себя известные данные о профессиональной пригодности индивида (ядро модели), дополнения, позволяющие оперировать в заданной профессиональной области и с учетом заданного контингента обучаемых, а во-вторых, вся модель обучена на выборке из опытных данных (матрице ответов респондентов).
3) Определение структуры и содержания УГИ на основе модифицированной модели заключается в определении значимости составляющих компонентов психологической модели УГИ.
Результатом выполнения данной технологии является психологическая модель готовности индивидов к познавательной деятельности с определенной структурой и содержанием.
ЛИТЕРАТУРА
1. Арзамасцев A.A., Зенкова H.A. Способность индивидов к аппрок-симационно-прогностической деятельности как средство оценки профессиональной пригодности специалистов // Вестн. ТГУ. Сер. Естеств. и техн. науки. Тамбов, 2001. Т. 6. Вып. 2. С. 254-261.
2. Арзамасцев A.A., Зенкова H.A. Компьютерные системы психологического тестирования нового поколения - на основе технологии искусственных нейронных сетей // Вестн. ТГУ. Сер Естеств. и техн. науки. VII Державинские чтения: Матер, науч. конф. преподавателей и аспирантов. Тамбов, 2003. Т. 8. Вып. 1. С. 190-192.
3. Арзамасцев A.A., Зенкова H.A. Моделирование в психологии на основе искусственных нейронных сетей. Тамбов: ИМФИ ТГУ им. Г.Р. Державина, 2003. 106 с.
СВЯЗЬ МОРФОЛОГИЧЕСКОГО ПАРАМЕТРА С ОСНОВНЫМИ ХАРАКТЕРИСТИКАМИ РОСТА ПОПУЛЯЦИИ МИКРООРГАНИЗМОВ © Д.В. Слетков
При работе с биологическими объектами часто требуется поставить в соответствие изображению такого объекта некоторое числовое значение. Подобная проблема имеет место, например, при управлении процессом культивирования микроорганизмов, когда по изображению популяции в поле микроскопа необходимо сделать выводы о ее морфологическом и физиологическом состояниях или при наблюдении за ростом и изменением формы у макрообъектов, таких как мхи, кустарники, кроны деревьев и т. д. Удобным математическим аппаратом для решения данной проблемы является подсчет фрактальной размерности изображений. Однако результат таких вычислений не во всех
случаях совпадает с фрактальной размерностью реального объекта, поэтому в данной работе мы будем использовать название «морфологический параметр». На возможность использования подобного подхода при наблюдении за микроорганизмами указано в статьях.
В качестве объекта исследования выбраны дрожжи Saccharomyces cerevisiae.
В ходе эксперимента наблюдение вели за следующими показателями процесса: концентрациями клеток микроорганизмов, сухих веществ питательной среды, этанола и объемом двуокиси углерода, выделяемой культурой за некоторый промежуток времени
(» 10 мин). По ним рассчитывали физиологические показатели: скорости роста биомассы, потребления субстратов, выделения метаболитов и дыхания.
Технология получения и обработки изображений заключалась в следующем. Фотографирование объекта производили через оптический микроскоп (увеличение 140-150) с дополнительным набором фотографических колец один раз в час.
Полученные цветные фотографии сначала преобразовывали в монохромный формат, устраняли дефекты освещенности, контрастировали и выделяли контур. Для обработки использовали программу Лс1оЬе РЬоккЬор.
Расчет морфологического параметра размерности изображений (ГУ) проводили по точечному методу с минимальным размером покрытия (ЬМт), равным 3, и максимальным размером покрытия (¿Мах), равным 51. Данный параметр коррелирует с морфологическими характеристиками биологических объектов, что дает право использовать его в дальнейшем анализе подобных систем.
Предварительное тестирование методики определения морфологического параметра проводили с использованием изображений микроорганизмов, полученных в ходе эксперимента.
В ходе эксперимента наблюдение вели за следующими показателями процесса: концентрациями клеток
микроорганизмов, сухих веществ питательной среды, этанола и объемом двуокиси углерода, выделяемой культурой за промежуток времени (10 мин). По ним рассчитывали физиологические показатели: скорости роста биомассы, потребления субстратов, выделения метаболитов и дыхания. Коэффициент корреляции во всех случаях более 0,8. Значения коэффициентов корреляции между морфологическим параметром изображений и основными показателями, наблюдаемыми в процессе культивирования дрожжей, в этом случае составляют от 0,7 до 0,9.
Существование подобных зависимостей имеет значительную практическую ценность, так как некоторые физиологические характеристики популяции (концентрация клеток и связанные с ней скорости роста биомассы, потребления субстратов, дыхания и выделения метаболитов; распределение клеток по размерам и связанный с этим показателем средний биологический возраст культуры) можно вычислить из анализа их изображений.
Поскольку подсчет морфологического параметра размерности цифрового изображения занимает незначительное время, такой способ позволяет использовать указанную технологию для управления процессами культивирования микроорганизмов.
ТРЕХМЕРНАЯ МОДЕЛЬ ПРОЦЕССА НАНОИНДЕНТИРОВАНИЯ
© В.Б. Мачихин
Одним из наиболее приемлемых методов для определения механических свойств материалов в малых объемах (например, в тонких пленках, покрытиях, небольших объектах и т. д.) является наноиндентирование [1].
Основной недостаток метода - низкое временное разрешение, не позволяющее регистрировать динамический отклик материала на начальной стадии погружения наноиндентора. По всей видимости, эта проблема может быть решена путем построения адекватной компьютерной модели и ее исследования.
Ранее нами была разработана 2-мерная модель, описывающая поведение материала при наноинденти-ровании [2]. Несмотря на то, что она на качественном уровне удовлетворительно описывает основную феноменологию внедрения наноиндентора в материал, ее основным недостатком является отсутствие соответствия какому-либо реальному объекту. Указанный недостаток не позволяет проверить результаты, полученные из эксперимента, для какого-либо материала.
Целью данной работы является разработка трехмерной математической модели процесса наноинден-тирования, основанной на методе молекулярной динамики. В качестве модельного объекта выбран кристалл NaCl, многие свойства которого, необходимые для построения математической модели, хорошо изучены.
Модель позволит получить динамический отклик материала, с временным разрешением 10~12 с, на начальной стадии погружения наноиндентора в материал. Ее планируется реализовать с использованием среды разработки приложений Delphi.
ЛИТЕРАТУРА
1. Головин Ю.И. Введение в нанотехнологию. М.: Машиностроение-1,2003. 112 с.
2. Мачихин В.Б., Арзамасцев A.A. II Исследовано в России: Электронный журнал. 2003. V. 190. Р. 2267-2277. http: // zhumal.ape. relarn.ru / articles / 2003 / 190.pdf.
